Von Hot Storage zu Cold Memory: Dezentralisierte Speicherung im KI-Zeitalter

Autor: Jacob Zhao @ IOSG

Heute wurde Changxin Storage, bekannt als die "erste inländische Speicheraktie", offiziell an der ChiNext gelistet und erlebte einen erstaunlichen Anstieg von 500 %. Obwohl der Speichersektor in letzter Zeit von den allgemeinen Marktkorrekturen betroffen war, wird die KI-Speicherung in der aktuellen Welle technologischer Erzählungen weiterhin von Kapital verrückt neu bewertet. Inzwischen ist die dezentrale Speicherung im Web3-Bereich in eine lange Phase der Stille und des Verlusts gefallen. Warum unterscheidet sich die Marktleistung so drastisch für zwei Entitäten, die beide als "Speicher" bezeichnet werden? Die grundlegende Antwort liegt in der vollständigen Divergenz der zugrunde liegenden Wertfunktionen.

Die Neubewertung der Speicherung im KI-Zeitalter ist im Wesentlichen ein Karneval über die "Effizienz heißer Daten", der der ultimativen Maximierung der Nutzung von Rechenleistung und kommerzieller Monetarisierung dient; während die dezentrale Speicherung an dem Wertversprechen der "Vertrauenswürdigkeit kalter Daten" festhält, das die Datenfairness, die Bekämpfung von Zensur und das langfristige Gedächtnis der menschlichen Zivilisation verteidigt. Erstere ist ein Effizienzsystem für heiße Daten, während letztere ein vertrauenswürdiges System für kalte Daten ist. Der aktuelle Kapitalmarkt steht zweifellos fest auf der Seite der "Effizienz", aber die menschliche Zivilisation benötigt letztendlich immer noch eine unveränderliche Gedächtnisgrundlage. Der langfristige Wert vertrauenswürdiger kalter Speicherung ist nie verschwunden; er war lediglich im dunklen Teil des Zyklus dormant und wartete darauf, von den Zeiten neu bewertet zu werden.

Warum Speicherung erneut zum Fokus der KI-Industriekette geworden ist

In der traditionellen IT-Ära war Speicherung ein "Kapazitätsgeschäft". CIOs konzentrierten sich auf die Kosten pro Einheit, die Zuverlässigkeit von Festplatten, Notfallwiederherstellungspläne, Archivierungsstrategien und Aktualisierungszyklen von Geräten, die 3 bis 5 Jahre dauerten. Speicherung wurde als Zubehör nach dem Kauf von Servern angesehen.

Diese Runde des Speicherbooms ist keine traditionelle Zykluswiederherstellung, sondern eine Neubewertung der Datenmobilitätsfähigkeiten, die durch KI vorangetrieben wird. In der Ära großer Modelle hat sich die Logik der Speicherung von "Kapazität zuerst" zu "Effizienz über alles" gewandelt, wobei rigoros extreme Indikatoren wie GPU-Fütterungsraten, Checkpoint-Schreibvorgänge und RAG-ultra-niedrige Latenz verfolgt werden. Dies markiert einen Sprung im Speicherwert von "dem letzten Ruheplatz der Daten" zu "dem Hochgeschwindigkeitsdurchgang für Daten, die in die Berechnung eingehen."

Die Evolution der Ressourcenengpässe in der KI-Infrastruktur ist im Wesentlichen ein Kampf, um den "Fass-Effekt" zu füllen. Die tatsächliche Auslastungsrate der Rechenleistung ist keine lineare Addition einzelner Vermögenswerte, sondern ein strenger multiplikativer Effekt: tatsächliche Auslastungsrate der Rechenleistung = GPU × HBM × DRAM × SSD × Netzwerk × Dateisystem; jeder Mangel in einem Glied führt zum Zusammenbruch der gesamten Auslastung der Rechenleistung. Im KI-Zeitalter hat sich die Speicherung zum ersten Mal von einem "Kostenzentrum" zu einem "Effizienzmotor" gewandelt. Dies ist die grundlegende Logik hinter der Neubewertung der Speicherung.

Überblick über die KI-Speicherarchitektur: Von HBM-Bandbreitenorganen zu Datensee-Grundlagen

KI-Speicherung ist keineswegs ein bloßes Stapeln einzelner Hardware, sondern ein komplexes System aus eng gekoppeltem, geschichtetem Scheduling. In diesem System sind der industrielle Wert und der Kapitalfokus stark auf HBM, unternehmensgerechte SSDs, SSD-Controller, NVMe/CXL-Protokolle und Hochleistungs-Speichersysteme konzentriert. Um den Wertfluss klar zu zerlegen, kategorisieren wir die KI-Speicherarchitektur in vier Kernstufen von oben nach unten:

• Compute Proximal Memory Layer (Bandbreitenkern): Dominiert von HBM, ergänzt durch DRAM und CXL-Speicherpooling-Technologie. Diese Schicht steht in direktem Kontakt mit GPU/CPU-Packaging oder Bussen und zielt darauf ab, die "Speicherwand" zu durchbrechen, und dient als erster Prüfpunkt, der bestimmt, ob die Rechenleistung vollständig entfesselt werden kann.

• Hochgeschwindigkeits-Persistent Storage Layer (IO-Hub): Die Kernlogik ist unternehmensgerechte SSD = NAND-Chips + SSD-Controller + NVMe/PCIe-Datenwege. Diese Schicht übernimmt hochfrequente Checkpoint-Schreibvorgänge, massive Trainingssatzladungen und RAG-heiße Daten-Caching und stellt den klarsten persistenten Speicherzuwachs für KI-Datenzentren dar.

• Low-Cost Large Capacity Storage Layer (Kapazitätsgrundlage): Besteht aus HDDs, kalter Speicherung und Datensee-Archivierungssystemen. Angesichts der exponentiell wachsenden multimodalen Rohdaten, historischen Protokolle und Compliance-Backups bietet diese Schicht weiterhin einen unersetzlichen TCO (Total Cost of Ownership)-Vorteil.

• KI-Speichersysteme und Daten-Software (Scheduling Brain): Umfasst Hochleistungs-parallele Dateisysteme, verteilte Objektspeicherung, Vektordatenbanken und RAG-Datenverwaltungsstufen. Was KI tatsächlich konsumiert, sind nicht bloße Hardware, sondern die Datenverfügbarkeit, die effizient organisiert, indiziert und von der Software-Stack autorisiert wurde.

Als ökologische Erweiterung engagiert sich die dezentrale Speicherung nicht direkt im Millisekunden-Wettbewerb der KI-heißen Daten, sondern verankert sich an der Zertifizierung öffentlicher Datensätze, der Herkunft von KI-Trainingsdaten und der langfristigen kalten Gedächtnisarchivierung und etabliert ihre einzigartige ökologische Nische als "vertrauenswürdige kalte Schicht." HBM: Das "Bandbreitenorgan", das dem Rechenzentrum in der KI-Speicher-Kette am nächsten ist High Bandwidth Memory (HBM) ist keine traditionelle Speicherung, sondern eine Hochbandbreiten-Speicherschicht, die der GPU nahe ist. Ihre Kernmission besteht nicht darin, Daten zu speichern, sondern kontinuierlich Daten mit extrem hoher Bandbreite an die Rechenleistung zu "füttern". HBM ist das nächste Glied zur Rechenleistung in der KI-Speicher-Kette, mit der höchsten Sicherheit, die direkt bestimmt, ob die GPU ausreichend "gefüttert" werden kann, was sie zum aktuellen Kernengpass der Lieferkette macht.

Die Kernarchitektur von HBM ist "3D-DRAM-Stapelung + 2.5D-Advanced Packaging": Durch TSV-vertikale Stapelung und CoWoS-heterogene Integration wird eine extreme Kompression der Speicher-Rechen-Distanz erreicht, was zu einem generationsübergreifenden Sprung in der Bandbreite führt. Ihre industriellen Barrieren bestehen nicht nur aus DRAM-Design, sondern betreffen auch DRAM-Herstellungsprozesse, TSV, ultradünne Stapelung, Verpackung, Wärmeableitung, Tests und Kundenzertifizierung als Systemtechnik. Jeder Defekt in einem Glied kann zur Verschrottung des gesamten HBM-Stapels führen.

Derzeit können nur SK Hynix, Samsung und Micron stabil in großen Mengen produzieren und haben einen dreifachen Schutzwall aus erstklassigen DRAM-Herstellungsprozessen, Verpackungsfähigkeiten und NVIDIA/AMD-Kundenzertifizierungen etabliert.

DRAM und CXL: Systemgedächtnisgrundlage und Speicherpooling-Engine HBM adressiert die extremen Bandbreitenanforderungen der GPU-Nähe, DRAM festigt die Systemgedächtnisgrundlage des Servers, während CXL versucht, physische Grenzen zu durchbrechen und die Organisation der Speicherressourcen in Rechenzentren neu zu gestalten.

• DRAM: Unterstützt hauptsächlich das Caching auf der CPU-Seite, die Datenvorverarbeitung, die Speicherung des Zwischenzustands und den Systembetrieb und dient als die grundlegendste Systemgedächtnisschicht für Server. Der globale DRAM-Markt ist stark unter den drei Giganten SK Hynix, Samsung und Micron konzentriert; Changxin Storage (CXMT) ist eine zentrale Variable für den inländischen DRAM-Ersatz in China.

• CXL (Compute Express Link): Ein nächstes Generation Cache-Kohärenz-Interconnect-Protokoll für Rechenzentren, das darauf abzielt, die Einschränkungen traditioneller DIMM-Steckplätze, lokaler Speicherkapazität und Server-Speicherressourceninseln zu durchbrechen und die Evolution der Speicherarchitektur in Richtung Erweiterung, Pooling und Sharing zu fördern. Derzeit befindet sich CXL noch in den frühen Phasen des Übergangs von der Plattformunterstützung zur großflächigen Bereitstellung, mit hohem langfristigem architektonischen Wert; zu den Kernunternehmen gehören Astera Labs und Lanqi Technology.

Unternehmensgerechte SSD: Der Datenhub, der durch NAND, Controller und NVMe gebaut wurde Unternehmensgerechte SSDs sind die kritischsten hochdurchsatzfähigen persistenten Zuwächse in KI-Datenzentren, die kontinuierlich Daten mit extrem hohem Durchsatz, niedriger Latenz und stabiler QoS an GPUs "füttern", die den gesamten Lebenszyklus von Trainingsdatenladungen, Checkpoint-Schreibvorgängen, RAG-Abfragen, Inferenz-Caching und Protokoll-Rückflüssen umfassen.

In der KI-Speicherarchitektur sind SSDs keine isolierte Hardware, sondern ein stark gekoppeltes System, das in eine industrielle Formel destilliert werden kann: unternehmensgerechte SSD = NAND-Chips + SSD-Controller + NVMe/PCIe-Datenwege. Die drei Schichten repräsentieren unabhängige Verbindungen in der industriellen Kette:

• NAND-Chips (Rohmaterialschicht): Bestimmen die Speicherdichte und die Stückkosten, während der Controller die Leistungsfreisetzung und Lebensdauer verwaltet. Repräsentative Unternehmen sind Samsung, SK Hynix (Solidigm), Micron, Kioxia, Western Digital und Yangtze Memory Technologies.

• SSD-Controller (Leistungsstärkungsschicht): Bestimmt die Leistungsfreisetzung, die Datenfehlerkorrektur, die QoS-Stabilität und das Wear-Leveling. Repräsentative Unternehmen sind Phison, Silicon Motion, Marvell und Maxio.

• NVMe/PCIe (Datenwegschicht): Bestimmt die Übertragungseffizienz von Daten von der Speicherung zur Berechnung. In Kombination mit der GPUDirect Storage-Technologie reduziert es den CPU-Speicher-Bounce-Puffer und die CPU-Beteiligung, was die I/O-Engpässe erheblich verringert. Repräsentative Unternehmen sind Broadcom, Marvell und Astera Labs.

HDD / Kalte Speicherung / Archivierung: Die kostengünstige Grundlage der KI-Datenseen KI wird HDDs nicht eliminieren. Mit der Nachfrage nach Video- und Bilddaten von multimodalen großen Modellen und der exponentiellen Expansion von Unternehmens-Compliance-Protokollen und historischen Datensätzen steigt der Bedarf an kostengünstiger kalter Datenspeicherung. In der KI-Speicherarchitektur arbeiten SSDs und HDDs basierend auf dem Geschäftswert zusammen: SSDs bearbeiten heiße Daten und hohen Durchsatz, während HDDs für niedrige Kosten und langfristige Erhaltung verantwortlich sind. Repräsentative Unternehmen sind Seagate, Western Digital und Toshiba. KI-Speicher-Software-Stack: Der Scheduling-Hub der Datenverfügbarkeit Was KI tatsächlich konsumiert, sind niemals bloße Festplatten, sondern "Datenservices", die sorgfältig von der Software-Stack organisiert wurden. Diese Architektur verwandelt die zugrunde liegende Hardware in Wissenswerte, die KI direkt abrufen kann, unterteilt in vier Schichten:

• Hochleistungs-Speichersysteme (Versorgungssysteme): Konzentriert sich auf parallelen Durchsatz und niedrige Latenz, löst das "Datenhungersproblem" von GPU-Clustern durch parallele Dateisysteme und gewährleistet einen schnellen Fluss von Training und Inferenz. Repräsentative Unternehmen sind VAST Data, WEKA und Pure Storage.

• Objektspeicherung (Rohdatensee): Konzentriert sich auf die Verwaltung von Objekten, Schlüsseln und Metadaten und trägt massive Mengen unstrukturierter Daten. Es strebt keine extrem niedrige Latenz an, sondern baut eine Kapazitätsgrundlage mit niedrigen Kosten und cloud-nativen Eigenschaften auf. Repräsentatives Unternehmen: AWS S3.

• Vektordatenbanken (Semantische Indizierungsschicht): Verantwortlich für das Speichern, Indizieren und Abrufen von Vektoren, die von Einbettungsmodellen erzeugt werden, sodass KI relevante Inhalte aus umfangreichem Wissen präzise lokalisieren kann. Repräsentative Unternehmen sind Pinecone und Milvus.

• RAG-Datenebene (Wissensabrufebene): Über die einzelne Abfrage hinaus umfasst sie das Daten-Slicing, die Bereinigung, die Berechtigungssteuerung und die Zitationsverfolgung, um sicherzustellen, dass Unternehmensdaten sicher, genau und nachvollziehbar von großen Modellen abgerufen werden können. Repräsentierende Unternehmen: Databricks

Von KI-Hot-Speicherung zu dezentralisiertem kaltem Gedächtnis: Maximierung von Effizienz vs. Maximierung von Vertrauen

KI-Speicherung ist ein extrem effizienzgetriebenes System, dessen Wertfunktion auf die Maximierung des Rechenausgangs fokussiert ist. HBM-Bandbreite bestimmt, ob GPUs ausreichend gefüttert werden können, während SSD-Durchsatz die Lese-/Schreibeffizienz von Datensätzen und Checkpoints diktiert; niedrige Latenz ist entscheidend für die Echtzeiterfahrung von RAG und Inferenz. Diese Metriken konvergieren letztendlich in die GPU-Auslastung und die Einheit Token-Kosten, die direkt die kommerzielle Rentabilität von KI-Anwendungen bestimmen. Das ultimative Ziel der KI-Speicherung ist nicht die Erhaltung, sondern Beschleunigung, die Produktivität dient.

Im Gegensatz dazu ist die Wertfunktion der dezentralen Speicherung völlig anders. Sie stellt die Frage, ob Daten in zehn Jahren noch existieren werden, ob sie manipuliert wurden und ob sie einer Zensur an einem einzelnen Punkt standhalten können. Durch kryptografische Beweise und verteilte Netzwerke wird eine offen zugängliche und dauerhaft erhaltene öffentliche Datenbasis aufgebaut. Ihr ultimatives Ziel ist es, die absolute Wahrheit und die souveräne Unabhängigkeit der Daten zu verteidigen und Fairness, Antizensurbedürfnisse und das Gedächtnis der Zivilisation zu bedienen.

KI-Speicherung ist die "heiße Speicherung", die die zukünftige Produktivität antreibt, während dezentrale Speicherung das "kalte Gedächtnis" ist, das unlösbare historische Aufzeichnungen der menschlichen Zivilisation bewahrt. Erstere dient der Effizienz und strebt extreme Geschwindigkeit an; letztere dient dem Vertrauen und verteidigt stille Erinnerungen. Erstere bestimmt, wie schnell Modelle laufen, während letztere bestimmt, ob Erinnerungen gelöscht werden. Derzeit belohnen Marktmechanismen die Effizienz der Produktivität und stellen die KI-Speicherung an die Spitze, während die dezentrale Speicherung anscheinend einen Bewertungszusammenbruch und einen narrativen Rückgang erlebt.

Die Vision und Realität der dezentralen Speicherung

Es gibt zahlreiche dezentrale Speicherprojekte, aber basierend auf der Branchenmentalität und der ökologischen Sedimentation bleiben die Kernvertreter Filecoin und Arweave. Obwohl beide zur "dezentralen Speicherung" gehören, sind ihre zugrunde liegenden architektonischen Philosophien fast zwei völlig unterschiedliche Wege – erstere nähert sich der Elastizität von AWS durch Marktverträge, während letztere sich der Ewigkeit von Bibliotheken durch einen einmaligen sozialen Vertrag nähert.

• Filecoin: Es hat das vollständigste überprüfbare Wirtschaftssystem durch PoRep und PoSt aufgebaut. Es sollte nicht weiterhin mit AWS im Bereich der verbraucherorientierten Cloud-Speicherung konkurrieren, sondern sich auf die Herkunft von KI-Daten, die Bereitstellung öffentlicher Datensätze und die konforme Archivierung verlagern, um überprüfbare Ketten für die Modellprüfung und den Urheberrechtsschutz bereitzustellen. Der notwendige Weg besteht darin, es als S3-kompatible API zu kapseln und Fiat-Zahlungen zu unterstützen, um von einem "günstigen Speicher-Markt" zu einer "überprüfbaren Recheninfrastruktur" aufzusteigen.

• Arweave: Mit der Erzählung von "einmaliger Zahlung, dauerhafter Speicherung" motiviert es Miner, so viel, insbesondere knappe, historische Daten wie möglich zu speichern und schnell darauf zuzugreifen, durch Blockweave- und SPoRA-Mechanismen. Seine beste Position ist als Grundlage für das öffentliche Gedächtnis der Menschheit – die Bewahrung von Menschenrechtsaufzeichnungen, Beweisen für Kriegsverbrechen, kulturellen Klassikern, die Archivierung rechtlicher und finanzieller Geschichte und die Bereitstellung von KI-Agenten mit dauerhaft zugänglichem Langzeitgedächtnis. Der Wert von Arweave liegt nicht in der Geschwindigkeit, sondern in seiner Fähigkeit, das Gedächtnis der Zivilisation über Zyklen hinweg zu tragen.

Das Dilemma, dem dezentrale Speicherprojekte wie Filecoin und Arweave gegenüberstehen, resultiert nicht aus falschen Wertversprechen, sondern aus langfristigen Missverhältnissen in der Produktisierung, der Abruf-Erfahrung, der realen Nachfrage und den Token-Anreizen. Dies offenbart eine signifikante Kluft zwischen Geek-Idealen und Mainstream-Kommerzialisierungen:

• Mismatch von Anreizangebot und -nachfrage: Frühe Netzwerke, die durch Filecoin repräsentiert werden, expandierten schnell durch Tokens, konnten jedoch nicht eine ausreichend starke Nachfrageseite aufbauen, was zu riesigen Kapazitäten, aber unzureichender Nutzung und Zahlungsumwandlung führte. Sie belohnten "Ich kann speichern" statt "Ich muss speichern".

• Mangel an unternehmensgerechter Servicefähigkeit: Die Barriere von AWS ist nicht die Festplatte, sondern das "Datenbetriebssystem", das aus APIs, SLAs, Berechtigungsmanagement, Compliance-Prüfungen und technischem Support besteht. Unternehmen kaufen "Seelenfrieden", nicht experimentelle Infrastrukturen, die sie selbst mit Schlüsseln und Knotenauswahl umgehen müssen.

• Mängel in der Abruf-Erfahrung: "Speichern" bedeutet nicht "stabil und mit niedriger Latenz abrufen". Knotenverteilung, komplexe Topologie und Mangel an einheitlichem SLA erschweren die Unterstützung von KI-heißen Daten-Workflows, was es geeigneter für vertrauenswürdige kalte Archivierung und Datenherkunft macht.

• Unzureichende Datenschutz-Compliance: Private Unternehmensdaten können nicht einfach in ein öffentliches permanentes Netzwerk geschrieben werden; das Recht auf Löschung und die permanente Unveränderlichkeit stehen in Konflikt. Dezentrale Speicherung eignet sich besser für öffentliche Daten und langfristige Archive, als dass sie indiscriminately zentrale private Daten unterbringt.

• Token-Wirtschaftsverstärkungszyklus: Die Finanzialisierung des Bullenmarktes verschleiert unzureichende Nachfrage, während der Rückgang der ROI von Minern im Bärenmarkt die Kommerzialisierungsmängel aufdeckt. Tokens können die Versorgung kalt starten, aber sie können nicht automatisch Nachfrage und nachhaltiges Einkommen schaffen.

Andere dezentrale Speicherprojekte konzentrieren sich tendenziell auf spezifische Ökosysteme oder Nischen: Die branchenübergreifende Denkweise und der Web3-Erzählungsfluss von Storj/Sia sind schwächer als die von Filecoin/Arweave; BNB Greenfield/Walrus bindet an spezifische öffentliche Blockchain-Ökosysteme von BNB oder SUI; Celestia/EigenDA gehören zur Datenverfügbarkeit (DA)-Schicht und dienen Rollup-Transaktionsbestätigungen anstelle von langfristiger Archivierung; Projekte wie 0G, die KI/DA-Erzählungen mischen, versuchen, Speicherung, Datenverfügbarkeit, Berechnung und KI-Agenten-Abrechnung in eine Reihe von KI-nativen modularen Infrastrukturen zu integrieren, aber ihre tatsächliche Nachfrage, Entwicklerakzeptanz und kommerzielle geschlossene Schleifen müssen noch verifiziert werden.

Zukünftige Chancen für dezentrale Speicherung: Der langfristige Pendel von Effizienz und Vertrauen

Während der explosiven Phase technologischer Dividenden jagt das Kapital frantically nach Effizienz, wobei Vermögenswerte wie GPUs und HBM extrem hohe Prämien zugewiesen werden, während dezentrale Speicherung, die "Vertrauen und Fairness" propagiert, natürlich marginalisiert wird. Das Pendel der Geschichte wird jedoch nicht für immer auf der Effizienzseite bleiben. Ereignisse wie unangemessene Verbote und Inhaltslöschungen durch Superplattformen, das Ausbrechen von KI-Urheberrechtsklagen, die Datenquellenbeweise erzwingen, Datenhoheitstreitigkeiten, die durch geopolitische Konflikte ausgelöst werden, das Verschwinden öffentlicher Archive aufgrund von Datenmonopolen und regulatorische Druck auf die Compliance von Modelltrainingsdaten könnten alle eine Neubewertung von "vertrauenswürdiger Speicherung" herbeiführen, während die zukünftigen Chancen für dezentrale Speicherung weiterhin die Möglichkeit haben, einzigartigen Wert in den folgenden Richtungen zu reflektieren:

• KI-Datenherkunft: Aufbau von "Datenherkunftsnachweisen" in Verbindung mit kryptografischen Beweisen, um regulatorischen und Prüfungsdruck zu begegnen.

• Öffentliche Datensätze und zivilisatorische Archive: Verankerung zensierter Archive und kulturellen Erbes, Aufbau unersetzlicher und unlösbarer Erinnerungen.

• Vertrauenswürdige Archivierung und Compliance-Nachweise: Erreichung vertrauenswürdiger Selbstbeweise durch Hash-Beweise, Bereitstellung hochgradiger digitaler Notarisierung.

• Integration von ZK/TEE/DID-Technologien: Lösung von Datenschutzspannungen, Aufstieg von einem einzelnen "Speicherprotokoll" zu einer "vertrauenswürdigen Dateninfrastruktur".

• Unsichtbare Produktroute: Bereitstellung von S3-kompatiblen APIs und Fiat-Abrechnung, die es Benutzern ermöglichen, direkt "vertrauenswürdige Archivierungsdienste" zu erwerben.

KI-Speicherung und dezentrale Speicherung – die eine strebt nach extremer Effizienz und liefert Treibstoff für unsere Reise in die Zukunft; die andere verteidigt stille Erinnerungen und schützt unser Recht, in die Vergangenheit zurückzublicken. Der aktuelle Markt belohnt Effizienz ohne Vorbehalt, wodurch dezentrale Speicherung still oder sogar zusammenbrechend erscheint; jedoch, während die KI-Ära Datenmonopole, Urheberrechtsstreitigkeiten und die Fragilität historischer Erinnerungen weiter verstärkt, könnte die dezentrale Speicherung eine Neubewertung des Wertes in Form von "vertrauenswürdigen kalten Schichten" erleben. Erinnerungen, die nicht leicht von Plattformen, Unternehmen oder einer einzelnen Macht gelöscht werden können, könnten sich von romantischem Idealismus und marginalen Überzeugungen in notwendige Infrastruktur verwandeln.